一种基于降维思想的K均值聚类方法-湖南城学院学报自然科学版.PDF

第26卷 第 1期 湖 南 城 市 学 院 学 报 （自然科学版） Vol. 26 No. 1 20 17年 1月 Journal of Hunan City University （N atural Science ） J an. 20 17 一种基于降维思想的K均值聚类方法 徐 勇，陈 亮 (安徽财经大学 管理科学与工程学院 ，安徽 蚌埠 233000) 摘要 ：维数灾难是数据挖掘过程中的重要问题．为解决K均值聚类过程中的维数灾难问题，本文以欧式 距离作为距离的计算方式 ，采用主成分(PCA)方法对数据源进行降维，实验获得在不同数据规模、特征下的K 均值方法的聚类时间．设置对照组对时间、差异性、迭代次数三个方面进行比较．通过实验总结出，数据源 的大小与维数共同影响降维聚类的时间效益：数据数量越大 ，降维聚类的时间收益越大，数据维数越大，降 维聚类的时间收益越小；数据源的线性程度影响降维聚类与非降维聚类结果的差异大小 ：数据线性程度越高 ， 两次聚类结果差异性越小．反之 ，差异性越大；K均值算法收敛速度很快，两次聚类都能在Sqrt(Row)次数内 完成程序的收敛． 关键词 ：聚类算法；降维；K均值；主成分分析 中图分类号：N32 文献标识码 ：A doi:10.3969/j.issn.1672-7304.2017.01.12 文章编号 ：1672–7304(2017)01–0054–08 A K-means Clustering Method Based on Dimension Reduction XU Yong , CHEN Liang (School of management science and Engineering, Anhui University of Finance and Economics, Bengbu, Anhui 233000, China) Abstract: The curse of dimensionality is an important problem in the process of data mining. In order to solve the dimension disaster problem in K means clustering process, this paper uses the Euclidean distance as the way of the distance calculation, employing the principal component method (PCA) of the data source to reduce dimensionality, to acquire clustering time of the K means method in different scales and the characteristics of data by the experiment. And compare both the time and difference with the control group. It is concluded from the experiments that the size and the dimension of the data source combined effect of time be